行列補完に基づくアンサンブル学習による微生物-疾患関連予測の改善

学術的背景と研究課題 微生物は地球上で最も広く存在する生命体の一つであり、海洋や土壌、そして人間そのものとも密接に関わっています。人体には約350兆個の微生物細胞(microbial cells)が存在しており、健康や病気の発症・進展と密接な関係を持っています。近年、シーケンシング技術とバイオインフォマティクスの急速な発展により、人体の微生物叢(microbiome)構成やその機能が健康に与える影響を明らかにする研究が数多くなされています。例えば、腸内細菌叢の構成変化は免疫系や疾患発症に影響を与え、肝臓の代謝も腸内微生物の調節を受け、エネルギー消費の低下や脂肪蓄積の促進などを介して代謝疾患の進展に寄与することが証明されています。 実験バイオ医学は微生物―疾患(microbe-disease)...

解釈可能なAIを利用した脳腫瘍検出と分類のためのビジョントランスフォーマー、アンサンブルモデル、および転移学習

近年、脳腫瘍の高発生率と致命性のため、迅速かつ正確に脳腫瘍を検出し分類することが特に重要になってきています。脳腫瘍には悪性と非悪性の二種類があり、その異常な成長は脳に長期的な損傷を与えます。磁気共鳴画像(MRI)は一般的な脳腫瘍の検出方法です。しかし、専門家による手作業でのMRI画像分析に頼ると結果が一致しないリスクがあり、さらに単に腫瘍を識別するだけでは不十分で、迅速に腫瘍の種類を特定して早期に治療を開始することも重要です。 研究背景 腫瘍検出の速度、信頼性、公正性を向上させるために、本研究ではVGG16、InceptionV3、VGG19、ResNet50、InceptionResNetV2、Xceptionなど、さまざまな深層学習(Deep Learning, DL)アーキテクチャを探...